machine-learning - 如何在Caffe中循环Blob变量的所有元素？

Question

在 Caffe 中开发新的损失层，

我在 diff_.cpu_data() 中有一些值，让我们将其中的每个元素命名为 Di :

现在，我想为每个 Di 计算这个函数:

并将结果赋值给该层bottom[0]->mutable_cpu_diff()中的相应元素。

如您所见，对于第二项，无需循环输入和输出变量( diff_.cpu_data & bottom[0 ]->mutable_cpu_diff())，而在第一项中，我需要访问输入变量中每个元素的值，那么我当然需要将函数的结果分配给输出变量的相应元素，如果它们是二维数组，显然我可以这样做:

但如您所知，这些变量是 4 维数组，我不清楚如何做到这一点。

我应该使用 Offset() 函数或类似的函数来循环这些变量的所有元素，类似于 this ？

有人可以向我解释一下或向我推荐有用的引用资料吗？

谢谢

Answer 1

首先，您应该将第二项的结果 (1/N^2\sum_i D_i) 存储到局部变量中。正如你already know ，这个总和可以使用caffe_cpu_dot计算。

所以你的代码可能看起来像:

vector<Dtype> mult_data( diff_.count(), Dtype(1) );
const Dtype* Di = diff_.cpu_data();
Dtype const_sum = caffe_cpu_dot( diff_.count(), &mult_data[0], Di );
Dtype N = diff_.count();
const_sum /= N*N; // divide by N^2

现在您可以循环所有项目(假设bottom[0]->count()==diff_.count()):

Dtype* bottom_diff = bottom[0]->mutable_cpu_diff();
for (int i=0; i<diff_.count(); i++) {
  bottom_diff[i] = 2*Di[i]/N - const_sum;
}

<小时/>

或者，如果你想要一些更“blas”的东西:

caffe_copy(diff_.count(), Di, bottom_diff);  // copy Di to bottom_diff
caffe_scal(diff_.count(), Dtype(2.0/N), bottom_diff);  // bottom_diff is now (2/N)*Di
caffe_add_scalar(diff_.count(), -const_sum, bottom_diff);  // subtract the second term from all the elements.